计数技术:排列、变换和组合
摘要
在概率研究中,计数技术是测量样本空间和待测事件基数的基本工具。在这种情况下,由于在等概率结果的实验中使用方便,组合、变换和排列技术是最常用的。通过将概率测量为相对频率的极限,可以将事件的概率表示为基数的商。因此,概率计算归结为计算样本空间和待测事件的基数。在这方面,通过等概率结果实验获得的计数技术对于概率研究至关重要。通过定义变换、组合和排列,可以有效且精确地测量集合的大小。本课将介绍一些具有等概率结果的实验,并分析其样本空间以引入计数技术。使用这些工具,可以测量各种集合的大小并计算等概率结果实验中的事件概率。
学习目标:
完成本课后,学生将能够:
- 记住用有利事件与可能事件的公式来计算事件的概率。
理解排列、变换和组合的概念及其在概率计算中的应用。
分析并解释样本空间大小与等概率结果实验中事件概率之间的关系。
识别可以在日常生活中应用组合、变换和排列计数技术的情况,例如在赌博游戏和组织问题中。
内容索引
计数技术与概率
计数技术的获取
实验1(AORM):执行——按顺序记录——重置,重复M次
实验2(AOK):执行——按顺序记录,重复K次
实验3(ADK):执行——无序记录,重复K次
计数技术与概率
组合、变换和排列是概率研究中最常用的计数技术,因为它们在等概率结果的实验中提供了很大的方便。这些实验中最具代表性的例子来自赌博游戏。它们通常涉及一个样本空间 \Omega = \{\omega_1, \omega_2, \cdots, \omega_N\} 上的非确定性过程。这些实验有一个共同的特点,即形式为 \{\omega_i\}\in\mathcal{A}_\Omega 的所有事件,其中 i\in\{1,2,\cdots, n\},具有相同的发生概率。
基于 相对频率极限的概率测量,我们可以将事件的概率建立为基数的商。正如我们所见,这通过以下关系实现:
P(E) = \displaystyle \lim_{N\to\infty}g_N(E) = \lim_{N\to\infty}\frac{f_N(E)}{N}= \frac{\# E}{\# \Omega}
这里符号“#”表示集合的基数。这就是所谓的有利事件与可能事件的公式。
在这些情况下,概率计算归结为计算样本空间和待测事件的基数。因此,首先复习一些计数技术将非常有用。
计数技术的获取
为了引入组合、变换和排列,我们将设计一些具有等概率结果的实验,并从中进行推论,得出这些计数技术。
假设我们有一台“完美的随机机器”,它由一个黑匣子、一块记忆板、一个动作按钮和一个重置按钮组成。机器具有以下属性:
- 机器只有一个可配置的参数:其样本空间的基数 \Omega_N = \{\omega_1,\cdots,\omega_N\}
- 按下动作按钮时,它将在屏幕上显示 \Omega_N 中的一个元素
- 当显示一个结果时,它会被存储在记忆板中,在那里时按下动作按钮将不会再次显示相同的结果。
- 如果机器已经显示了所有可能的结果,它将冻结并不再显示任何内容。
- 重置按钮会清除记忆板和屏幕上的显示内容。
使用这台机器,我们将设计一些实验并分析它们的样本空间。
实验1(AORm):执行——按顺序记录——重置,重复m次
将机器配置为 \#\Omega = N 并重复 m\leq N 次以下步骤:
- 按下动作按钮
- 将结果按顺序记录在列表中
- 重置
完成后,我们将获得一个包含 m 个 \Omega_N = \{\omega_1,\cdots,\omega_N\} 元素的有序列表。此列表可以解释为 \Omega_N 的一个 m 元组。换句话说,此实验的样本空间 \Omega_{AORm} 将为:
\Omega_{AORm}=\Omega_N \times \cdots \times \Omega_N = \Omega_N^m
因此,我们将得到 \#\Omega_{AORm}=\#\Omega_N^m = N^m。
实验2(AOk):执行——按顺序记录,重复k次
再次将机器配置为 \#\Omega = N 并重复 k 次 (k\leq N) 以下步骤:
- 按下动作按钮。
- 将结果按顺序记录在列表中。
完成后,我们将获得一个包含 k 个 \Omega_N = \{\omega_1,\cdots,\omega_N\} 元素的有序列表,但其中的任何元素都不会与其前面的元素重复。
由于机器本质上不会偏向任何可能的结果(因为它是完美随机的),可以假设在第一次按下动作按钮时发生了事件 \{\omega_1\},因此下一次动作的样本空间应为 \Omega_N\setminus\{\omega_1\}。类似地,可以假设第二次按下动作按钮时发生了事件 \{\omega_2\},因此下一次动作的样本空间应为 (\Omega_N\setminus\{\omega_1\})\setminus\{\omega_2\}。如果继续这种方式,当我们进行第 k 次动作时,其样本空间将为:
(\cdots(\Omega_N\setminus\{\omega_1\})\setminus\{\omega_2\}\cdots)\setminus\{\omega_{k-1}\}
因此,此实验的可能结果样本空间将为:
\Omega_{AOk}= \Omega \times (\Omega_N\setminus\{\omega_1\}) \times ((\Omega_N\setminus\{\omega_1\})\setminus\{\omega_2\}) \times \cdots \times ((\cdots(\Omega_N\setminus\{\omega_1\})\setminus\{\omega_2\}\cdots)\setminus\{\omega_{k-1}\})
因此,如果计算此集合的基数,我们将得到:
\#\Omega_{AOk}= N \cdot (N-1) \cdot (N-2) \cdots [N-(k-1)]=\displaystyle \frac{N!}{(N-k)!}
根据这一结果,我们得出以下定义:
| 定义 |
| 定义 N 个元素按 k 个分组的 变换数 为以下公式: (N)_k = \displaystyle \frac{N!}{(N-k)!} 根据此定义,以及 0! =1 的事实,通过以下公式计算 N 个元素之间的 排列数: (N)_N = N!。 |
实验3(ADk):执行——无序记录,重复k次
此实验与前一个完全相同,只不过现在不记录 \Omega_N 元素出现的顺序。换句话说,两个包含相同元素但顺序不同的 k 元组现在被视为同一个。因此,利用从实验 AOk 获得的每个 k 元组可以以 (k)_k=k! 种不同的方式写出,将得到此实验样本空间的基数为:
\#\Omega_{ADk} = \displaystyle \frac{\#\Omega_{AOk}}{(k)_k} = \frac{(N)_k}{k!} = \frac{N!}{k!(N-k)!}
根据此结果,可以得出以下定义:
| 定义 |
| 定义 N 个元素按 k 个分组的 组合数 为以下公式: \displaystyle {{N}\choose{k}}= \frac{N!}{k!(N-k)!} 这代表了可以从包含 N 个元素的集合中抽取 k 个元素形成的子集数量。 |
通过排列、变换和组合的计数技术,我们现在可以测量各种集合的大小。
